藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

基于MODIS数据温度植被干旱指数干旱监测指标的等级划分

采用2000—2014年每年6—9月的黑龙江省MODIS数据,计算温度植被干旱指数（TVDI）。以过去15 a的全省40个旱作农业站点以旬为单位的土壤相对湿度为研究对象,与MODIS数据得到的TVDI相对应,根据土壤相对湿度的农业干旱等级划分标准,制定TVDI的干旱监测等级。结果显示:TVDI被分为5个等级,TVDI < 0.46为无旱,TVDI在0.46~0.57为轻旱,TVDI在0.57~0.76为中旱,TVDI在0.76~0.86为重旱,TVDI≥0.86为特旱。利用2011年实地测取土壤相对湿度数据对该等级进行验证,结果表明,验证结果准确度达到83%。证实了该等级划分结果的准确性。     

FY-3A/MERSI与MODIS的温度植被干旱指数反演及对比分析

为了探讨近年来被广泛使用的MODIS数据以及我国的FY-3A/MERSI数据对同一地区同一时刻的旱情所得的温度植被指数的差异以及可比性,选择我国四川省旱灾频发的攀西地区为研究区,分别反演MODIS-TVDI和MERSI-TVDI,并探讨两者监测结果的特点以及可比性。结果发现:（1）MERSI数据的干湿边线性拟合系数要高于MODIS数据。（2）MODIS-TVDI与MERSI-TVDI的差值变化范围在-0.12到0.23,差值均值为0.11,MODIS数据的监测结果比MERSI数据的监测结果略大。（3）MODIS-TVDI与MERSI-TVDI在各类地物的反演结果上都具有较高的一致性,其中林地R²最高为0.944。（4）MODIS-TVDI、MERSI-TVDI与当前月份降雨量存在显著负相关,其线性相关系数分别为-0.83,-0.91,两者干旱监测结果是可信的。     

MODIS干旱指数结合RBFNN反演冬小麦返青期土壤湿度

土壤湿度是农业干旱信息最重要的表征因子,它的反演对区域乃至全球农业干旱监测及预报都具有重要意义。该文基于MODIS遥感干旱监测指数构建了冬小麦返青期土壤湿度的评价指标体系,在此基础上,结合径向基函数神经网络(RBFNN)协同反演农地土壤湿度。首先,针对单一利用遥感干旱指数反演土壤湿度具有一定的局限性问题,选取监测土壤含水量、作物需水形态变化、冠层含水量、冠层温度等参量的遥感干旱监测指数作为综合评价指标;并利用实测土壤湿度作为验证标准,从原始遥感干旱监测指数中选取出适宜的指标集;然后,以选取的评价指标集为输入层,以实测土壤湿度作为输出层的输出,构建RBFNN的农地土壤湿度反演模型。研究结果表明:应用在河南省冬小麦返青期时,基于MODIS遥感干旱监测指数与RBFNN协同反演的土壤湿度模型具有较好的反演效果;模型的评价指标集与10 cm深度的土壤湿度相关性更好,而且能综合多通道遥感信息来反映土壤湿度的变化;模型的平均预测精度达到93.27%,与BP-NN和线性回归反演模型相比,反演精度分别提高了2.92和9.97百分点;模型回归分析相对1:1斜线的偏差最小;相关系数为0.846 49,回归决定系数为0.862 6。研究结果可为区域土壤湿度的遥感反演提供新的案例参考。     

能量指数法在黑龙江干旱监测中的适用性研究

基于MODIS产品资料,结合土壤墒情实测数据,就能量指数法在黑龙江省农业干旱遥感监测中的适用性展开研究。结果表明:能量指数法的监测效果明显优于热惯量法和植被供水指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的干旱监测。同时,运用多年资料分时、分层建立了基于能量指数法的土壤水分反演模型,模型的拟合效果在50cm深度时最好,20cm深度次之,10cm深度稍差。此外,模型在2009年黑龙江省干旱监测应用中的效果表明,反演结果与实际情况基本一致,能较好地反映黑龙江省旱情的空间分布和发展过程。     

河北省土壤干湿状况遥感监测指数比较

选用河北省2010年5月Terra/MODIS地表反射率产品MOD09A1计算得到了增强植被指数（EVI）,结合同期MOD11 A2地表温度LST数据,计算得到河北省TVDI（温度植被干旱指数）和VSWI（植被供水指数）,比较分析TVDI和VSWI监测河北省土壤干湿状况的适宜性.两种指数与同期8d平均降水量数据的定性分析表明TVDI与降水量数据间具有明显的相反趋势,VSWI与降水量数据间趋势关系不明显;定量的相关分析表明,TVDI与降水量数据间表现出较显著的负相关性（P＜0.05）,而VSWI与降水量数据间的相关不显著.可见,在所选取研究时段内,TVDI指数较VSWI指数监测河北省土壤湿度更为适宜.     

基于MODIS数据的北京市植被覆盖度动态监测

植被覆盖度是反映地表植被覆盖状况的重要指标,也是衡量区域环境质量与水土保持情况的重要因子。以北京市为研究区域,应用基于MODIS NDVI的像元二分模型估算北京市2014—2016年植被覆盖度,分析不同年份、不同分级植被覆盖度的变化情况,结果表明:北京市植被覆盖度整体较高,高植被覆盖度区域在全市范围占了很大的比例,山区植被覆盖度明显高于平原区;植被覆盖状况总体较为稳定,呈现改善趋势,低植被覆盖度、中低植被覆盖度、中等植被覆盖度、中高植被覆盖度面积连续2年均出现了不同程度的减少,其覆盖度等级逐渐向高植被覆盖度演进。     

NOAA／AVHRR与EOS／MODIS的积雪监测模式对比

积雪是地表覆盖的重要部分,目前用于积雪监测的卫星主要是EOS/MODIS,NOAA/AVHRR,FY等.本文分别介绍了EOS/MODIS及NOAA/AVHRR的积雪监测模式.在MODIS的积雪算法中主要运用归一化差分积雪指数(NDSI)和反射率,其中用NDSI来区分雪与云,而NOAA/AVHRR利用可见光波段和近红外波段的信息作为积雪监测的基础,以此来区分高云、中云、低云和积雪.然后从两种卫星在时空分辨率等方面做对比,得出二者分别在积雪监测方面的优点和不足之处.     

利用改进温度植被干旱指数反演农田表层土壤水分的研究

土壤水分作为土壤的重要组成部分,是气候、农业和生态系统的关键组成要素。快速、大面积和实时地监测土壤含水量,对旱情预报、农田灌溉和作物估产有着十分重要的作用。本文主要结合Landsat 8光学影像数据对地表土壤含水量进行反演,在温度植被干旱指数（TVDI）的地表温度－植被指数特征空间基础上引入分形覆盖度,构建地表温度－分形覆盖度特征空间,从而计算得到改进温度植被干旱指数（ITVDI）,采用研究区实测土壤含水量数据对计算的结果进行对比分析。为了分析TVDI和ITVDI与土壤体积含水量的关系,分别制作TVDI、ITVDI与土壤体积含水量的散点图并分析相关性。研究结果表明:在小麦拔节期内,研究区域大部分地区处于干旱状态,轻旱地区主要分布在研究区西部、北部以及中部的高植被覆盖地区;重旱地区主要分布在城市中心及部分裸露地面和小麦种植地区。TVDI和ITVDI与地表土壤含水量线性相关显著,两者均可表征研究区干旱的实际情况。但ITVDI引入分形植被覆盖度参数,在一定程度上避免干旱指数受到地表覆盖类型的限制,使得ITVDI与实测土壤含水量的相关性和反演精度都高于TVDI。因此,ITVDI能够更好地反映研究区域土壤含水量的状况,更适合高植被覆盖度地区土壤含水量反演。     

基于ATI和TVDI模型的河北平原土壤湿度遥感反演

为了进一步提高河北平原土壤湿度时空变化的监测精度,本文以MODIS数据和实测土壤相对湿度数据为数据源,按照优势互补的设计思想,联合应用表观热惯量模型(ATI)和温度植被干旱指数模型(TVDI)反演河北平原地区的土壤相对湿度。在3—5月、10—11月采用基于NDVI=0.2阈值分区分方案的反演方法反演河北平原地区的土壤相对湿度,其中在每旬NDVI0.2的区域采用TVDI模型,NDVI≤0.2的区域采用ATI模型,而6—9月单独使用TVDI模型来反演土壤相对湿度值。在1—2月和12月,由于植被覆盖度较低和实测土壤相对湿度数据缺测,采用ATI模型。模拟模型全部通过0.01的显著性检验。研究结果表明,河北平原地区的土壤相对湿度在年内时间变化上呈现两个由升到降的变化周期,第1个周期为12月—翌年6月,其中,12月—翌年3月为上升,3—6月为下降,3月为峰值;第2个周期为6—12月,其中,6—8月上升,8—12月下降,8月为峰值;全年土壤相对湿度的平均最大值出现在8月,最小值出现在6月。土壤相对湿度的空间分布主要受降水、人工灌溉和土地利用方式的影响,冀东和沧州滨海平原同期的土壤相对湿度值高于平原其他部分,春季太行山山前平原和燕山山前平原的土壤相对湿度值相对较高。对3个代表性月份(5月、7月和10月)进行的点对点验证表明,各月遥感反演结果的平均相对误差分别为21.4%、19.25%和22.22%。可见,遥感反演的土壤相对湿度和实测土壤相对湿度具有良好的相关性。将本文研究结果和全部用ATI模型和全部用TVDI模型反演的结果进行对比发现,联合应用ATI和TVDI模型分区反演模型反演的土壤相对湿度的平均相对误差均小于其他两种单一反演模型。     

基于MODIS数据的土壤含水量监测方法研究综述

通过对应用MODIS数据监测土壤含水量研究方法的综述,归纳总结了3类常用监测方法及各类方法的基本原理,分析了各方法的应用范围,讨论了各种基于MOIDS数据监测土壤含水量方法存在的问题和不足,指出较高精度的土壤含水量监测,需要综合研究下垫面土壤特性、光谱探测特性、地表覆盖物及气候等特征,并探讨了今后的研究发展方向。     

基于多波段MODIS遥感数据的乌审旗土壤含水量监测研究

[目的]探究内蒙古自治区乌审旗地区土壤含水量与表观热惯量的响应关系,提高土壤含水量遥感监测精度,使观测分析结果更具说服力和可靠性。[方法]选取多波段MODIS遥感数据和表观热惯量法,采用重复的地面采样方案设计,减弱单点采样代表性差的影响。[结果]该方案设计较单点采样方法相关系数有明显提高,对0—10cm,0—20cm,0—30cm土壤含水量相关系数分别为0.587,0.658和0.650。对回归模型进行精度验证,得其含水量平均相对误差为21.53%,26.67%,22.83%。[结论]重复的地面采样方案下,基于表观热惯量的乌审旗土壤含水率监测结果更加科学、可靠。     

FY-3B/3C和AMSR2土壤含水量产品在锡林郭勒草原地区的适用性评价

土壤表层含水量存在于陆-气界面,是模拟全球水文、能源和碳循环及其相互作用的一个重要变量,对于气候和地球系统研究至关重要。为了评价风云三号B星（FY-3B）、风云三号C星（FY-3C）、先进微波扫描辐射计（AMSR2）土壤含水量产品在锡林郭勒草原以及不同土地覆盖类型的精度和适用性,本文基于2014-2019年生长季的地面观测数据,应用时间序列相关性（R）、均方根误差（RMSE）、平均偏差（Bias）和无偏均方根误差（ubRMSE）分析了这三种网格产品的可靠性。结果表明：（1）在日尺度上,FY-3B和FY-3C土壤含水量产品高估了陆地表层含水量,AMSR2低估了土壤含水量;各项评价指标表明三种土壤含水量产品均能够捕捉锡林郭勒草原表层土壤含水量的时间变化趋势。（2）在月尺度上,与AMSR2相比,FY-3B和FY-3C土壤含水量产品的月度分布与实测土壤含水量分布较为一致。（3）在生长季尺度,3种卫星土壤含水量产品能够反映各草原亚型的土壤含水量状况;FY-3B和FY-3C土壤含水量产品在植被覆盖较高的地区适用性较好,AMSR2在植被覆盖较低的地区可靠性较好,3种产品在监测土壤含水量方面具有互补功...     

土壤水分遥感监测的研究进展

土壤水分是土壤的重要组成部分,在地—气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。简述了到目前为止出现的几种主要的土壤水分遥感监测方法,如热惯量法、作物缺水指数法、归一化植被指数法、植被指数距平法、植被供水指数法、植被状态指数法、温度状态指数法、温度植被干旱指数法、高光谱法、微波遥感法,并分析了各种方法的原理和特点,最后展望了土壤水分遥感监测方法的发展趋势。     

基于MODIS资料的新疆土壤水分遥感应用研究

以新疆2005年4-8月土壤墒情数据和MODIS卫星遥感数据为基础,通过对主要农作物生长季内NDVI变化、不同层次土壤相对湿度与地表亮温日较差的相关分析,构建了土壤相对湿度回归模型。所有模型均通过0.01水平的F检验。分析得出:新疆5月下旬以前利用热惯量法监测土壤墒情精度在81%以上,6月上旬-8月下旬单纯使用热惯量法监测土壤墒情精度不够理想。     

用表观热惯量法计算土壤含水量探讨

在分析应用遥感资料监测土壤水分的方法及其可行性的基础上,介绍了表观热惯量法监测土壤水分的基本原理和具体实施步骤.通过实测资料的验证表明,此种方法在0～20cm的土层内具有较高的精度,而在30cm以下的深度应用此法其精度有所降低.同传统的水分监测方法相比,表观热惯量法监测土壤水分具有方便、快捷、多时相等特点;同其他遥感方法相比,该方法应用简单,成本低,无需过多的气象数据支持即可完成对大面积土壤水分变化的监测,但仅适用于裸土或低植被覆盖的条件.     

MODIS数据在土壤侵蚀动态监测中的应用--以湖北省为例

以动态监测湖北省土壤侵蚀为例，采用三要素（即植被覆盖度、地形坡度和土地利用）专家规则模型，应用MODIS遥感影像进行土壤侵蚀强度快速估测。首先，利用MODIS数据和植被指数模型提取省内的植被覆盖度信息；其次，利用人工解译的TM影像获取土地利用图；然后，利用DEM数据生成坡度图；最后，结合土壤侵蚀强度分级指标，将这3图叠加，判断和计算侵蚀强度等级，获得省内土壤侵蚀强度等级图。运用GIS技术，通过对2004年和2005年的土壤侵蚀强度等级图分析比较，从而实现动态监测。     

利用GPR早期信号振幅属性监测土壤含水率

为了研究GPR早期信号振幅属性与土壤含水率的关系,建立物理模型并配制了7组不同含水率的土壤,采用300、400和900 MHz GPR天线进行探测.选取GPR第一峰值信号、第一正半周期、第一半周期3种典型时段早期信号,利用希尔伯特变换计算平均振幅包络并求倒数,与烘干法测量所得土壤含水率结果进行对比,拟合出平均振幅包络倒...     

那曲东部土壤水分MODIS遥感反演研究

利用那曲东部2014年8月至2015年7月土壤水分观测资料与同期MODIS数据建立了研究区土壤水分遥感监测模型。表观热惯量法(ATI)反演土壤水分结果不理想,基于MODIS 8天合成数据以及晴空数据拟合结果的决定系数分别为0.4503和0.3753,晴空条件下ATI方法监测效果较差。基于单窗方法建立的四种模型中,三次多项式模型拟合效果较好,决定系数为0.5475,分析认为排除冬季数据后建模效果更好。结论:基于单窗方法的三次多项式模型能较好的反演研究区土壤水分,不足之处为对天气要求较高,若无晴空遥感数据,将影响土壤水分监测工作的开展。